Bibliographic record
Abstract
Cet article traite de l’évolution structurelle du commerce de gros français. Pour la période 1978-1989, les changements dans la distribution par taille des entreprises et de la productivité du travail ont été analysés pour les trois secteurs principaux. Dans les commerces de gros non alimentaire (secteur 58) et interindustriel (secteur 59), la tendance est à l’accroissement relatif du nombre d’entreprises opérant à faible effectif. Dans le commerce de gros alimentaire (secteur 57), par contre, la taille moyenne a augmenté. Puis, nous avons examiné si l’existence ou non des effets de taille a causé l’évolution observée dans la distribution par taille des entreprises. Nous avons utilisé la productivité du travail comme critère pour les effets de taille. Les économies d’échelle ont augmenté dans tous les trois secteurs principaux du commerce de gros français. Nous nous étions attendu à ce résultat pour le secteur 57, mais non pas pour les secteurs 58 et 59. De plus, les plus fortes augmentations d’économies d’échelle sont observées dans le secteur 57. Cela s’explique par les différences dans les distributions par taille des entreprises entre le secteur 57, d’une part, et les secteurs 58 et 59, d’autre part.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".